[发明专利]基于正交Gauss‑Hermite矩的交通标识检测方法

摘要

一种基于正交Gauss‑Hermit矩的交通标识检测方法，包括以下步骤：获取兴趣区域的图像I；将获得的彩色图像转换成灰度,本方法直接调用库函数；沿X方向和Y方向分别计算，随后计算竖直方向的矩，具体实现中,我们将一阶矩用滤波后的图像的一阶差分代替,三阶矩用滤波后的图像一阶差分和三阶差分的线性组全来代替；我们的实验也只用到三阶矩；运用Otus方法对图像进行分割；引用形态学滤波去除噪声。本发明选取一交通场景中的图像作实验，实验结果表明，本发明是有效的。同时，也将其与其它方法进行了比国较，一阶矩检测的效果区别不大；但是三阶矩是可进一步使用的,故它的优势已体现。

主权项

一种基于正交Gauss‑Hermit矩的交通标识检测方法，其特征在于：它包括以下步骤：步骤一：获取兴趣区域的图像I(x,y)；步骤二：将获得的彩色图像转换成灰度(256级)图像f(x,y).设(x,y)点的3色分量为(R，G，B)，则f(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y),本方法直接调用库函数I(x,y)＝rgb2gray(I)；步骤三：沿X方向和Y方向分别计算OGHM，即先计算水平方向的矩其中n＝2k+1,k＝0,1,2,...，随后计算竖直方向的矩，即a2i+1是常数；在我们的算法中σ取为5；具体实现中,我们将一阶矩用滤波后的图像的一阶差分代替,三阶矩用滤波后的图像一阶差分和三阶差分的线性组全来代替；我们的实验也只用到三阶矩；步骤四：运用Otus方法对图像进行分割；设图像总像素为N,灰度级为L，灰度为i的像素为Ni个；令w(k)和u(k)分别表示0到灰度级k的像素出现的概率和平均灰度，又设像被分成M个像素类Cj(即有M‑1个门限0≤t1<t2<...<tM‑1≤L‑1)，将图像分成M个像素类Cj,Cj∈[tj‑1+1,tj]，j＝1,…,M,t0＝0,tM＝L‑1.则Cj出现的概率wj，平均灰度和方差分别为：wj＝w(tj)‑w(tj‑1)，则内类方差为类间方差因此分割方法为使类内距离最小和类间距离最大的阀值组{t1,t2,t3,...,tM‑1}作为M阀值化的最佳阀值组；当M＝2时，即分成2类，此时为即最大化σ2＝ω0(μ‑μ0)2+ω1(μ‑μ1)2求出图像分割门限T；并用T以图像实施二值化，即步骤五：引用形态学滤波去除噪声，即先进行团运算然后进行开运算X⊕B，这里B取为点的8连通。